Εντοπισμός περιοχών διάθεσης αποβλήτων στην Κρήτη με χρήση δεδομένων υψηλής ανάλυσης
Από RemoteSensing Wiki
Monitoring olive mills waste disposal areas in Crete using very high resolution satellite data
Athos Agapioua, Nikos Papadopoulosa, Apostolos Sarrisa, a Laboratory of Geophysical-Satellite Remote Sensing & Archaeo-environment, Institute for Mediterranean Studies, Foundation for Research & Technology, Hellas (F.O.R.T.H.), Greece b Department of Civil Engineering and Geomatics, Faculty of Engineering and Technology, Cyprus University of Technology, 2-6, Saripolou str., 3603 Limassol, Cyprus
πηγή: [[1]]
Μετάφραση και Περίληψη
Περίληψη
Αυτή η εργασία αξιολογεί την αποτελεσματικότητα ανάλυσης πολυφασματικών δορυφορικών δεδομένων, έτσι ώστε να εντοπιστούν περιοχές διάθεσης αποβλήτων ελαιοτριβείων στο νησί της Κρήτης. Η έρευνα περιελάμβανε την εφαρμογή του κανονικοποιημένου δείκτη βλάστησης (NDVI) και δείκτη αποβλήτων ελαιοτριβείων (OOMW). Πράγματι, όπως αποδεικνύεται οι δείκτες NDVI και OOMW μπορούν να χρησιμοποιηθούν για να ενισχύσουν την έκθεση των περιοχών διάθεσης στο σύνολο των δορυφορικών δεδομένων υψηλής ανάλυσης, ενώ η εφαρμογή των μετασχηματισμών PCA και HIS φαίνεται να είναι σε θέση να βελτιώσουν περαιτέρω τα αποτελέσματα. Τέλος, εξετάστηκε μια εικόνα ραντάρ, που δείχνει ότι τέτοιου είδους σύνολα δεδομένων θα μπορούσαν επίσης να διερευνηθούν για το σκοπό αυτό.
Εισαγωγή
Η βιομηχανία ελαιολάδου αποτελεί μία εκ των κινητήριων τομέων της αγροτικής οικονομίας στη λεκάνη της Μεσογείου. Ωστόσο, η διαδικασία παραγωγής του ελαιολάδου μπορεί να προκαλέσει σημαντικά περιβαλλοντικά προβλήματα. Για παράδειγμα, η ανεξέλεγκτη διάθεση των αποβλήτων ελαιοτριβείων στη γη (OOMW) μπορεί δυνητικά να οδηγήσει σε ρύπανση του εδάφους. Οι εικόνες τηλεπισκόπησης έχουν αξιοποιηθεί τα τελευταία χρόνια για την περιβαλλοντική εφαρμογή ως μια προσπάθεια να εντοπισθούν και να χαρτογραφηθούν οι περιοχές διάθεσης αποβλήτων ελαιοτριβείων.
Μεθοδολογία
α. Περιοχή Μελέτης
Ως περιοχή μελέτης επιλέχθηκε το νησί της Κρήτης, στο οποίο έχουν καταγραφεί στο παρελθόν πάνω από 1000 περιοχές διάθεσης OOMW χρησιμοποιώντας Παγκόσμιο Δορυφορικό Σύστημα Πλοήγησης (GNSS) και Γεωγραφικό Σύστημα Πληροφοριών (GIS).
β. Δορυφορικά Δεδομένα
Για τους σκοπούς της μελέτης έχουν αξιοποιηθεί εικόνες πολύ υψηλής ανάλυσης, με ανάλυση που κυμαίνεται από 0,4 έως 1,5m. Ο Πίνακας 1 παρέχει τα στοιχεία για το σύνολο των δεδομένων, ενώ η Εικόνα 2 παρουσιάζει κάποιες ενδεικτικές περιοχές διάθεσης αποβλήτων ελαιοτριβείων. Το σύνολο των δεδομένων που επιλέχτηκε κάλυπτε σχεδόν όλο το χρόνο, χωρίς να περιορίζονται σε περιόδους αμέσως μετά την παραγωγή ελαιόλαδου, έτσι ώστε να αξιολογηθεί επίσης η χρονική ανάλυση των εικόνων.
γ. Επεξεργασία Εικόνας
Ως NDVI ορίζεται η ομαλοποιημένη αναλογία της ανακλαστικότητας του κόκκινου και του εγγύς υπερύθρου και χρησιμοποιείται ευρέως σε απομακρυσμένη εφαρμογή τηλεπισκόπησης ως υποκατάστατο για την επίγεια ανάπτυξη της βλάστησης. Υπολογίζεται ως εξής:
(p_VNIR-p_red)/(p_VNIR+p_red)
όπου pVNIR η ανακλαστικότητα στο τμήμα VNIR του φάσματος και pred η ανάκλαση στο κόκκινο τμήμα του φάσματος.
Ο δείκτης αποβλήτων ελαιοτριβίων (OOMW), υπολογίζεται ως:
(p_VNIR-p_blue)/(p_VNIR+p_blue)
όπου pVNIR η ανακλαστικότητα στο τμήμα VNIR του φάσματος και pBlue η ανακλαστικότητα στο μπλε τμήμα του φάσματος.
Η Ανάλυση Κύριων Συνιστωσών (PCA) δοκιμάστηκε επίσης σε ολόκληρο το σύνολο δεδομένων. Στην ουσία, η PCA προσδιορίζει τους βέλτιστους γραμμικούς συνδυασμούς των αρχικών συγκροτημάτων που μπορεί να ευθύνονται για μεταβολή των τιμών των εικονοστοιχείων εντός μίας εικόνας, όπως αποδεικνύεται παρακάτω:
C_1=b_11*(X_1 )+b_12*(X_2 )+⋯+b_1p*(X_p )
Όπου, C1 η βαθμολογία του θέματος στο κύριο συστατικό 1, b1p ο συντελεστής παλινδρόμησης (ή το βάρος) για παρατηρούμενη μεταβλητή p και Xp η βαθμολογία για παρατηρούμενη μεταβλητή p.
Ο μετασχηματισμός Έντασης Απόχρωσης Κορεσμού (IHS) είναι άλλη μία τεχνική που εφαρμόζεται στο σύνολο των δορυφορικών δεδομένων. Η ένταση σχετίζεται με τη συνολική φωτεινότητα ενός χρώματος, η απόχρωση αναφέρεται στο κυρίαρχο ή μέσο μήκος κύματος του φωτός που συμβάλλει σε ένα χρώμα και ο κορεσμός διευκρινίζει την καθαρότητα του χρώματος σε σχέση με το γκρι.
Εφαρμόστηκε ταξινόμηση Linear Spectral Unmixing (LSU) με χρήση του αλγορίθμου ISODATA έτσι ώστε να προσδιοριστεί η σχετική αφθονία των περιοχών διάθεσης OOMW που απεικονίζονται στις πολυφασματικές εικόνες.
Τέλος, όσον αφορά την εικόνα ραντάρ COSMO-Skymed, πραγματοποιήθηκε ορθοδιόρθωση χρησιμοποιώντας τα δεδομένα SRTM DEM, ενώ άλλες διορθώσεις προεπεξεργασίας έχουν επίσης διεξαχθεί (αφαίρεση των κηλίδων, διόρθωση ραδιομετρική, κλπ). Η εικόνα COSMO-Skymed, στη συνέχεια, συντήκεται με υπερφασματική εικόνα ΕΟ-ALI. Οι εικόνες στη συνέχεια εισάγονται σε μια πλατφόρμα GIS για την άμεση σύγκριση με γνωστές περιοχές διάθεσης αποβλήτων ελαιοτριβείων.
Αποτελέσματα
α. Δείκτες NDVI και OOMW
Οι εικόνες 3 και 4 δείχνουν τα αποτελέσματα μετά την εφαρμογή των δεικτών NDVI και OOMW. Γίνεται φανερό ότι οι περιοχές διάθεσης αποβλήτων ελαιοτριβείων μπορούν να αναγνωριστούν στην πλειοψηφία των δορυφορικών εικόνων, ως μαύροι στόχοι λόγω της χαμηλής αξίας είτε του NDVI (δηλαδή -0,30 έως 0,10) είτε του OOMW (δηλαδή 0,20-0,50). Ο δείκτης OOMW τείνει να ενισχύσει καλύτερα τις περιοχές διάθεσης, σε αντίθεση με το NDVI. Είναι επίσης ενδιαφέρον να σημειώσουμε τις χρονικές μεταβολές των απόβλητων ελαιοτριβείων. Αυτό οφείλεται στις εποχιακές δραστηριότητες που σχετίζονται με την παραγωγή ελαιολάδου.
β. Μετασχηματισμοί PCA και HIS
Είναι προφανές, όπως παρατηρείται και στην εικόνα 5, ότι η ανάλυση PCA μπορεί να βελτιώσει την ερμηνεία των αποτελεσμάτων των δορυφορικών δεδομένων που σχετίζονται με την ανίχνευση των περιοχών διάθεσης αποβλήτων ελαιοτριβείου. Η ανίχνευση των περιοχών διάθεσης βελτιώθηκε μετά την εφαρμογή του μετασχηματισμού IHS. Όπως φαίνεται στην εικόνα 6, οι περιοχές αποβλήτων χρωματισμένες με πράσινο, σε σύγκριση με το κόκκινο και μπλε χρώμα για βλάστηση και έδαφος αντίστοιχα είναι εύκολα ανιχνεύσιμα από τον χρήστη.
γ. Ταξινόμηση LSU
Η τεχνική επιβλεπόμενη ταξινόμηση ISODATA αξιολογήθηκε για τις εικόνες που λαμβάνονται κάτω από διαφορετικές περιόδους. Ο αλγόριθμος ISODATA ορίστηκε στο μέγιστο 6 επαναλήψεις με όριο το 95%, ενώ ο αριθμός των κατηγοριών τέθηκαν σε 5, 10 και 15. Η εικόνα 7 παρουσιάζει τα τελικά αποτελέσματα μετά την ταξινόμηση των εικόνων. Για να ενισχύσει τα αποτελέσματα της ταξινόμησης για την εικόνα WorldView – 2, η περιορισμένη τεχνική LSU εφαρμόστηκε χρησιμοποιώντας τις φασματικές υπογραφές των περιοχών OOMW και τα αποτελέσματα φαίνονται στην εικόνα 8.
δ. Ανάλυση Ραντάρ
Πέραν των οπτικών δεδομένων πολύ υψηλής ανάλυσης, υλοποιήθηκε μια πρώτη προσπάθεια να εκτιμηθεί η ικανότητα εικόνας ραντάρ COSMO-Skymed υψηλής ανάλυσης (2,5 m). Η αρχική εικόνα υπέστη ορθοδιόρθωση με τη χρήση του DEM SRTM, ενώ ραδιομετρική διόρθωση και απομάκρυνση κηλίδων εφαρμόστηκαν επίσης με την εργαλειοθήκη της ESA. Η εικόνα 9 παρουσιάζει τα αποτελέσματα από την εικόνα του ραντάρ πάνω από δύο γνωστές περιοχές διάθεσης αποβλήτων στο νότιο τμήμα της Κρήτης. Λόγω της περιεκτικότητας του νερού οι περιοχές διάθεσης υποδεικνύονται ως μαύροι στόχοι.
Επίλογος
Όπως διαπιστώθηκε το σύνολο των δορυφορικών δεδομένων είναι σε θέση να ενισχύσει και να εντοπίσει τους τομείς διάθεσης αποβλήτων ελαιοτριβείων. Έχει αποδειχθεί ότι τόσο η χωρική όσο και η χρονική ανάλυση των δεδομένων είναι ζωτικής σημασίας για την ανίχνευση αυτών των περιοχών. Πράγματι, η φασματική υπογραφή των περιοχών διάθεσης OOMW αλλάζει στη διάρκεια του έτους και, επομένως, η ανίχνευσή τους θα μπορούσε να είναι προβληματική σε ορισμένες περιόδους. Τα δεδομένα τηλεπισκόπησης μπορεί να προσφέρουν έναν οικονομικά αποδοτικό τρόπο για να ανιχνεύουν παράνομους υπαίθριους χώρους διάθεσης OOMW.
